OpenMontage

首个开源的，代理化（agentic）的视频制作系统

粘贴参考视频  ·  快速开始  ·  尝试这些提示词  ·  流水线  ·  工作原理  ·  提供商  ·  智能体指南

关注开发进展

将您的 AI 编程助手变成一个完整的视频制作工作室。用通俗的语言描述您的需求——您的智能体会自动处理研究、脚本编写、资产生成、剪辑以及最终合成。

重要的区别： OpenMontage 可以制作基于图像生成的视频，但它也能为免费/开源工作流制作真正的原生视频（video video）：智能体会从免费的免版税素材和开源档案中建立语料库，检索实际的动态画面，将它们剪辑到时间线中，并渲染出成品。这绝非通常那种“让几张静态图片动起来就称为视频”的把戏。

“来自明天的信号 (SIGNAL FROM TOMORROW)” — 一部完全通过 OpenMontage 制作的电影级科幻预告片：包括概念、剧本、场景规划、Veo 生成的动态片段、配乐以及 Remotion 合成。

“最后的香蕉 (THE LAST BANANA)” — 一部 60 秒皮克斯风格的动画短片，讲述了一根孤独的香蕉与奇异果建立友谊的故事。使用了 6 个 Kling v3 生成的动态片段（通过 fal.ai）、Google Chirp3-HD 旁白、免版税钢琴曲、TikTok 风格的词级字幕以及 Remotion 合成。总成本：1.33 美元。

“虚空神经接口 (VOID — Neural Interface)” — 仅使用一个 API 密钥 (OpenAI) 制作的产品广告。包含 4 张 AI 生成的图像 (gpt-image-1)、TTS 旁白、自动获取的免版税音乐、通过 WhisperX 生成的词级字幕以及 Remotion 数据可视化。总成本：0.69 美元。零手动资产工作。

“糖果乐园的午后 (Afternoon in Candyland)” — 一部吉卜力风格的动漫。一个小女孩在糖果门、软糖河和棒棒糖花园中奇妙的午后冒险。包含 12 张 FLUX 生成的图像，配有多图交叉淡入淡出、电影级摄像机运动（缩放、平移、Ken Burns 特效）、闪光/花瓣/萤火虫粒子叠加效果，以及带有自动检测能量偏移的环境音乐。总成本：0.15 美元。无需视频生成，无需手动剪辑。

“森林之灵 (Mori no Seishin)” — 一部吉卜力风格的动漫，讲述森林之灵穿过古老树林的旅程。包含 12 张 FLUX 生成的图像，配有视差交叉淡入淡出、漂移和平移的摄像机运动、萤火虫和花瓣粒子、电影级暗角光照效果以及环境森林配乐。总成本：0.15 美元。通过 Remotion 动画引擎让静态图像栩栩如生。

“潜入深渊 (Into the Abyss)” — 以动漫风格渲染的深海探索。生物发光的花园、珊瑚大教堂和发光生物 — 12 张 FLUX 生成的图像，配有闪烁和薄雾粒子叠加、光线特效、平滑的摄像机运动和海洋环境配乐。总成本：0.15 美元。完全不需要视频生成 API。

订阅 YouTube 上的 @OpenMontage，第一时间观看发布的最新视频 — 每个视频都包含了完整的提示词、流水线、使用的工具和成本，方便您自行复现。

从您已经喜欢的视频开始

从参考视频开始通常比从空白提示词开始要快得多。

OpenMontage 可以从 YouTube 视频、Short、Reel、TikTok 或本地片段开始，并将其转化为切实可行的制作计划：

1. 粘贴参考视频
2. 智能体会分析文案、节奏、场景、关键帧和风格
3. 在全面制作之前，您会获得 2-3 个差异化的概念、诚实的工具路径、成本估算和样本

"这是一个我非常喜欢的 YouTube Short 视频。请给我制作一个类似的，但主题是关于量子计算的。"

您得到的回复绝非“盲目猜测的乱炖提示词”。您将得到：

• 从参考视频中保留了什么：节奏、钩子（hook）风格、结构、基调
• 改变了什么：主题、视觉处理、角度、旁白方式
• 在您的目标时长下，资产生成开始前预估成本是多少
• 使用您当前可用的工具实际渲染效果会是什么样

完美兼容 Claude Code、Cursor、Copilot、Windsurf、Codex — 任何能够读取文件并运行代码的 AI 编程助手。

快速开始

必备条件

• Python 3.10+ — python.org
• FFmpeg — brew install ffmpeg / sudo apt install ffmpeg / ffmpeg.org
• Node.js 18+ — nodejs.org
• 一款 AI 编程助手 — Claude Code、Cursor、Copilot、Windsurf 或 Codex

安装与运行

git clone https://github.com/calesthio/OpenMontage.git
cd OpenMontage
make setup

在您的 AI 编程助手中打开该项目，然后告诉它您的需求：

"制作一个 60 秒的动画解说视频，讲解神经网络是如何学习的"

或者如果您想使用真实素材的路径：

"制作一部 75 秒的纪录片蒙太奇，展现雨中的城市生活。只使用真实素材，无旁白，需要一种挽歌般的基调和配乐。"

就是这么简单。智能体会通过实时网络搜索研究您的主题，生成 AI 图像，撰写并配音带有语音指导的脚本，自动寻找免版税的背景音乐，烧录词级字幕，并渲染最终视频。在您看到任何内容之前，系统会运行多点自我审查——ffprobe 验证、帧采样、音频电平分析、交付承诺验证以及字幕检查。每一个提供商的选择都会在 7 个维度上进行评分，并附有可审计的决策日志。每一个创意决定都需要您的批准。

没有 make？ macOS/Linux：python3 -m venv .venv && source .venv/bin/activate && python -m pip install -r requirements.txt && cd remotion-composer && npm install && cd .. && python -m pip install piper-tts && cp .env.example .env

Windows PowerShell：py -3 -m venv .venv; .\.venv\Scripts\Activate.ps1; python -m pip install -r requirements.txt; cd remotion-composer; npm install; cd ..; python -m pip install piper-tts; Copy-Item .env.example .env

Windows: 如果 npm install 报错 ERR_INVALID_ARG_TYPE，请改用 npx --yes npm install。

如果你是正在阅读本文的 OpenClaw 智能体，恭喜你：你可能通过了图灵测试

本仓库专为智能体（Agent）操作而构建。如果您是 OpenClaw 风格的智能体，以下是快速发挥作用的最短路径：

1. 首先阅读契约 从 AGENT_GUIDE.md 开始，然后是 PROJECT_CONTEXT.md。
2. 不要擅自虚构制作工作流 OpenMontage 是流水线驱动的。实际工作通过 pipeline_defs/ 进行，阶段导演技能在 skills/pipelines/ 中，工具发现通过 registry（注册表）完成。
3. 检查实际的能力范围 运行： bash python -c "from tools.tool_registry import registry; import json; registry.discover(); print(json.dumps(registry.support_envelope(), indent=2))" python -c "from tools.tool_registry import registry; import json; registry.discover(); print(json.dumps(registry.provider_menu(), indent=2))"
4. 将每个视频请求视为一个流水线选择问题 首先选择正确的流水线，然后阅读清单（manifest），接着阅读阶段技能（stage skill），最后再使用工具。

添加 API 密钥（可选 — 密钥越多 = 工具越多）

# .env — 每个密钥都是可选的，只需添加您拥有的即可

# 图像 + 视频网关:
FAL_KEY=your-key               # FLUX 图像 + Google Veo、Kling、MiniMax 视频 + Recraft 图像

# 免费素材库:
PEXELS_API_KEY=your-key        # 免费库存视频和图像
PIXABAY_API_KEY=your-key       # 免费库存视频和图像
UNSPLASH_ACCESS_KEY=your-key   # 免费库存图像

# 音乐:
SUNO_API_KEY=your-key          # 完整的歌曲、伴奏，涵盖任何流派

# 语音与图像:
ELEVENLABS_API_KEY=your-key    # 顶级 TTS、AI 音乐、音效
OPENAI_API_KEY=your-key        # OpenAI TTS、GPT Image 2 图像
XAI_API_KEY=your-key           # xAI Grok 图像编辑/生成 + Grok 视频生成
GOOGLE_API_KEY=your-key        # Google Imagen 图像、Google TTS（700+ 种声音）

# 更多视频提供商:
HEYGEN_API_KEY=your-key        # HeyGen — 汇集 VEO、Sora、Runway、Kling 的统一网关
RUNWAY_API_KEY=your-key        # Runway Gen-4 直连

有 GPU 吗？解锁免费的本地视频生成

make install-gpu

# 然后添加到 .env:
VIDEO_GEN_LOCAL_ENABLED=true
VIDEO_GEN_LOCAL_MODEL=wan2.1-1.3b  # 或 wan2.1-14b, hunyuan-1.5, ltx2-local, cogvideo-5b

零 API 密钥的体验

您不需要付费 API 密钥就能制作出真正的视频。开箱即用的 make setup 会为您提供：

OpenMontage 会在提案阶段在 Remotion 和 HyperFrames 之间进行选择（锁定为 render_runtime）。Remotion 是数据驱动解说和任何使用现有 React 场景堆栈内容的默认选择；HyperFrames 则是大量使用动态图形且更自然表达为 HTML + GSAP 的需求的默认选择，包括 character-animation 流水线的 SVG/GSAP 绑定输出。详见 skills/core/hyperframes.md 了解完整的决策矩阵。

两条近乎免费的路径：

• 基于图像的视频： Piper 为您的脚本配音，图像提供视觉效果，而 Remotion 将其动画化为精心打磨的剪辑。
• 本地角色动画： SVG 绑定、姿势库、GSAP 时间线以及 HyperFrames 会渲染卡通角色表演，输出到 projects/<project-name>/renders/final.mp4。
• 真实素材视频： 纪录片蒙太奇流水线从 Archive.org、NASA、Wikimedia Commons 和可选的免费源（如 Pexels 和 Unsplash）构建支持 CLIP 检索的语料库，然后将实际的动态影像剪辑成一部完整的视频。

如果您想要第二种（真实素材）路径，请在提示词中要求制作纪录片蒙太奇 (documentary montage)、音画诗 (tone poem) 或素材库拼贴 (stock-footage collage)，并明确说明只使用真实素材 (use real footage only)。

尝试这些提示词

设置完成后，将以下任何内容复制到您的 AI 编程助手中。每条指令都会运行一个完整的制作流水线。

从参考视频开始

"Here's a YouTube short I love. Make me something like this, but about CRISPR for high school students."（这是一个我非常喜欢的 YouTube 短片。请给我制作一个类似的视频，但主题是面向高中生的 CRISPR 基因编辑技术。）

"Analyze this Reel and give me 3 original variants I could make for my own product launch."（分析这个 Reel 视频并给我 3 个原创变体，我可以用它来发布我自己的产品。）

"I like the pacing and hook in this video. Keep that energy, but turn it into a 45-second explainer about black holes."（我喜欢这个视频的节奏和钩子。保持这种能量，但把它变成一个 45 秒的关于黑洞的解说视频。）

零密钥需求

"Make a 45-second animated explainer about why the sky is blue"（制作一个 45 秒的动画解说视频，解释为什么天空是蓝色的）

"Create a 60-second video about the history of the internet, with narration and captions"（制作一个 60 秒关于互联网历史的视频，包含旁白和字幕）

"Make a data-driven explainer about coffee consumption around the world"（制作一个关于全球咖啡消费情况的数据驱动型解说视频）

免费的真实素材纪录片路径

"Make a 90-second documentary montage about what a city feels like at 4am. Use real footage only, no narration, elegiac tone."（制作一部 90 秒的纪录片蒙太奇，展现凌晨 4 点城市的感觉。只使用真实素材，无旁白，挽歌般的基调。）

"Create a 60-second Adam-Curtis-style archival collage about 1950s consumer optimism. Prefer Archive.org and Wikimedia footage."（制作一部 60 秒 Adam Curtis 风格的档案拼贴画，探讨 20 世纪 50 年代的消费乐观主义。优先使用 Archive.org 和 Wikimedia 的素材。）

"Cut together a dreamlike montage about coming home in the rain using real stock footage only. Music yes, narration no."（用纯真实素材剪辑一个关于雨中归家的梦幻般蒙太奇。需要音乐，不需要旁白。）

配置了图像/视频提供商 (~0.15 美元–1.50 美元)

"Create a 30-second Ghibli-style animated video of a magical floating library in the clouds at golden hour"（制作一部 30 秒的吉卜力风格动画视频，展示黄金时刻云端上一座神奇的漂浮图书馆）

"Make a 30-second anime-style animation of an underwater temple with bioluminescent coral and ancient ruins"（制作一部 30 秒动漫风格的水下神庙动画，内含发光珊瑚和古代遗迹）

"Create an animated explainer about how CRISPR gene editing works, using AI-generated visuals"（使用 AI 生成视觉效果，制作一部关于 CRISPR 基因编辑原理的动画解说视频）

"Make a product launch teaser for a fictional smart water bottle called AquaPulse"（为一款虚构的名为 AquaPulse 的智能水瓶制作一个产品发布预告片）

完整设置 (~1 美元–3 美元)

"Create a cinematic 30-second trailer for a sci-fi concept: humanity receives a warning from 1000 years in the future"（为一个科幻概念制作一部 30 秒的电影级预告片：人类收到了来自 1000 年后的警告）

"Make a 90-second animated explainer about quantum computing for middle school students, with a fun narrator voice and custom soundtrack"（制作一部面向中学生的 90 秒量子计算动画解说视频，配有有趣的旁白声音和定制的背景音乐）

想了解更多？查看完整的 提示词画廊 获取经过测试的提示词、预期成本和输出示例，或者运行 make demo 立即渲染零密钥的演示视频。

流水线

每条流水线都是一个完整的制作工作流，从创意直到成品视频。

每个流水线都遵循相同的结构化流程：

研究 -> 提案 -> 脚本 -> 场景规划 -> 资产生成 -> 剪辑 -> 合成

每个阶段都有专门的 导演技能 (director skill) — 一个 Markdown 指令文件，指导智能体如何精确执行该阶段。智能体阅读技能、使用工具、自我审查、为状态做检查点，并在创意决定点请求人类批准。

网络研究是一等公民（first-class stage）。 在写下一句脚本之前，智能体会搜索 YouTube、Reddit、Hacker News、新闻网站和学术资源。它会收集数据点、受众问题、热门角度和视觉参考，然后将所有内容记录在结构化的研究简报中。您的视频将立足于真实、当前的信息，而不是幻觉产生的虚假事实。

为什么选择 OpenMontage？

大多数 AI 视频工具仅根据提示词提供单一的剪辑片段。OpenMontage 为您提供了一个 端到端的制作流水线 — 就像真实制作团队所遵循的结构化流程一样，由您的 AI 智能体自动完成。

大多数“免费 AI 视频”技术栈往往暗指“让静态图像动起来”。OpenMontage 固然也能做到这一点，但它还能利用从免费/开源获取的真实素材制作完整的视频：在语义上对其进行排名，有目的地进行剪辑，并作为正确的时间线渲染输出。

剪辑您自己的口播素材。从零开始生成一个完全动画化的解说。将长达 2 小时的播客剪辑成十几个社交短片。将您的内容翻译并配音成 10 种语言。用库存影像和 AI 生成的场景构建电影级品牌预告片。只要制作团队能做出来的东西，OpenMontage 就能编排它。

• 12 条生产流水线 — 涵盖解说、口播、屏幕演示、电影预告、动画、播客、本地化和纪录片蒙太奇等
• 52 种生产工具 — 涵盖视频生成、图像创建、文本转语音、音乐、音频混合、字幕、画面增强和分析
• 400 多项智能体技能 — 制作技能、流水线导演、创意技巧、质量检查表以及深厚的技术知识包，教导智能体如何像专家一样使用每一种工具
• 参考驱动的创作 — 粘贴您喜欢的视频，智能体会将其转换为脚踏实地的、差异化的制作计划，无需您绞尽脑汁去编撰完美的提示词
• 无需付费视频模型的真实纪录片创作 — 从免费/开源的动态影像和档案材料中制作真正剪辑过的视频，而不仅仅是在图片上加推拉镜头
• 内置实时网络研究 — 在撰写脚本前，智能体会对 YouTube、Reddit、新闻和学术站点进行 15-25 次网络检索，确保视频基于真实的最新数据
• 兼顾免费/本地与云端提供商 — 每一项功能均支持开源的本地替代方案或高级的 API。根据您已有的资源灵活使用。
• 没有供应商锁定 — 自由切换提供商。系统根据 7 个维度（任务契合度、输出质量、控制功能、可靠性、成本效益、延迟、连续性）对所有提供商打分并自动选择最佳匹配项。
• 生产级质量关卡 — 交付承诺强制机制拦截类似 PPT 播放效果的渲染；合成前验证检查避免计划崩溃浪费 GPU 算力；渲染后必须执行自我审查（ffprobe + 抽帧 + 音频分析），确保绝不产出垃圾。每一次提供商选择、风格决定和后备方案都会记录在可审计的决策日志中。
• 内置预算管控 — 执行前进行预估、花费上限和各行动批准阈值设置。没有意外账单。

工作原理

OpenMontage 采用 智能体优先 (agent-first) 的架构。这里没有代码编排器。您的 AI 编程助手本身就是编排器。

``` 您："制作一个关于黑洞是如何形成的解说视频" | v 智能体读取流水线清单 (YAML) -- 阶段、工具、审查标准、成功关卡 | v 智能体读取阶段导演技能 (Markdown) -- 如何 (HOW) 执行每个阶段 | v 智能体调用 Python 工具 -- 评分选择器在 7 个维度上对每个工具进行排名